weixin_42780204的博客

字符串处理虽然不是R语言中最主要的功能，却也是必不可少的，数据清洗、可视化等的操作 都会用到。对于R语言本身的base包提供的字符串基础函数，随着时间的积累，已经变得很多 地方不一致，不规范的命名，不标准的参数定义，很难看一眼就上手使用。字符串处理在其他 语言中都是非常方便的事情，R语言在这方面确实落后了。stringr包就是为了解决这个问题， 让字符串处理变得简单易用，提供友好的字符串操作接口.常用的字符串的处理以str_开头来命名，方便更直观理解函数的定义。我们可以根据使用习惯 对函数进行分类：

R 语言中循环结构包括for和while结构。1.for结构for循环重复地执行一个语句，直到某个变量的值不再包含在序列seq中为止。语法为：for （var in seq） statement例：for (j in c('2021-01-31','2021-02-28','2021-03-31')) print(j)上面的操作是比较基础的， 实际使用中， 按不同条件取数时 也经常需要循环来执行。2.while结构while循环重复地执行一个语句，知道条件不为真为止。语法为：while

当我们做完统计分析， 会需要与他人交流研究成果。 这意味着要把分析整理到某种报告里面。 有三种常见的创建报告场景： 第一种：创建一个包含代码和结果的报告，便于记住6个月前做过的事情。如果要重做之前的事情，从单个完整的文档做起比从多个相关的文档做起要更加容易。第二种： 为客户创建一份报告。你需要注意清晰性和吸引性，而且这份报告可能只需要创建一次。 第三种：为日常需求创建一份特定类型的报告。这种情况下，数据会有所变化， 但是分析过程和报告结构保持不变。这些动态报告可以用网页，word，PDF等格式保存.

DT包的使用官网DT包中最常用的函数是 datatable()。下面内容是datatable()的相关使用。datatable(data, options = list(), class = "display", callback = JS("return table;"), rownames, colnames, container, caption = NULL, filter = c("none", "bottom", "top"), escape = TRUE, sty

Plotly 是个交互式可视化的第三方库，官网提供了Python，R，Matlab,JavaScript，Excel的接口，因此我们可以很方便地在这些软件中调用Plotly，从而实现交互式的可视化绘图。以下是在R 中 plotly包提供的各项函数。plotly各项函数1.plot_ly()官网地址plot_ly(data = data.frame(), ..., type = NULL, color, colors = NULL, alpha = 1, symbol, symbols = NU

向数据框添加列 merge()要横向合并两个数据框，使用merge()函数。在多数情况下，两个数据框是通过一个或多个共有变量进行联结的（即一种内联结，inner join ）。total <- merge(dataframeA,dataframeB,by = "ID")将dataframeA和dataframeB按照ID进行了合并。total <- merge(dataframeA,dataframeB,by = c("ID","Country"))用cbind()进行横向合并如

函数可以应用于一系列的数据对象上，包括标量，向量，矩阵，数组，数据框。将函数应用于数据对象a <- 5sqrt(a)b <- c(1.2,222,30.34)round(b)c <- matrix(runif(12),nrow = 3)log(c)mean(c)这里mean()求得是矩阵中12个元素的均值。如果需要求得是矩阵中每列每行的均值，可以用R中的apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。apply()函数的使用格式为：ap

sqldf可以实现对R中加载的数据执行sql语言，借助的是虚拟的数据库，进行相关数据的查询操作。在下载并安装好sqldf包以后，可以通过sqldf()函数在数据库上使用SQL中的select 语句。1）read.csv.sql将一个文件读入R，然后用sql语句过滤它read.csv.sql(file, sql = "select * from file", header = TRUE, sep = ",",row.names, eol, skip, filter, nrows, field.typ

数据整理原则就是让数据变得更好用。数据整理是一个从数据框的统计结构（变量与观测）到形式结构（行与列）的映射。他只要遵循原则：1.每一列代表一个变量。2.每一行代表一个观测。整理数据对ggplot2至关重要，因为ggplot2的任务就是将变量映射到视觉属性上。spread 和 gather下面两个表格他们其实是相同的数据，只是形式不同。左侧是宽数据(Cartesian data，笛卡尔型数据)，你要通过行与列的交叉点来找对应的值。右侧是长数据（indexed data，指标型数据），你要通过

数据结构矩阵矩阵是一个二维数组，只是每个元素都拥有相同的模式(数值型，字符型，逻辑型)。可通过函数matrix()创建矩阵。一般格式为mymatrix <- matrix(vector,nrow = number_of_rows,ncol = number_of_columns,byrow = logical_value,dimnames = list(char_vector_rownames,char_vector_colnames))其中vector包含了矩阵的元素，nrow和ncol用

工作空间（workspace）工作空间就是当前R 的工作环境，它储存着用户所有储存的对象（向量，矩阵，函数，数据框，列表）。在一个R会话结束后，可以将当前的工作空间保存到一个镜像中，并在下次启动R时自动启动它。各种命令行可在R中交互地输入。使用上下键查看自己已输入命令的历史记录。这样我们可以选择历史的命令，重新执行。当前的工作目录(working directory) 是R 用来读取文件和保存结果的默认目录。可以使用getwd()来查看当前的工作目录。或使用setwd()设定当前的工作目录。我们需要读

ggplot 图例布局影响图例展示的很多设置由主题系统（theme system）所控制。可以使用theme（）函数来调整这些主题设定。图例的位置和对齐方式的调整被主题设定参数legend.position控制，它可以取值为right，left，top，bottom，none（无图例）。例如：p <- ggplot(data = data, mapping = aes(x = x, y = input_data,group = yy,color = yy)) + geom_line